Inteligencia artificial, cobertura profesional
Qwen3.8-Max salió el lunes por la mañana con una tabla de benchmarks que mostraba victorias sobre GPT-5.6 Sol y Claude Fable 5. La misma tabla, leída completa, muestra que pierde en todas las filas difíciles de ingeniería agéntica.
3 ago 2026
AI Technology Evaluation puntúa modelos sobre conjuntos de datos ciegos que nunca fueron públicos, la única forma de saber si el resultado de un benchmark no fue memorizado. No tiene ningún efecto regulatorio.
28 jul 2026
RadLE 2.0 evaluó 16 modelos punteros en 200 casos de radiografía con un sistema de puntuación que penaliza los errores confiados; los radiólogos humanos obtuvieron 988,7 sobre 2.000 frente a los 758 de la mejor IA.
19 jul 2026
Con los rankings estándar saturados y contaminados, líderes chinos de IA sostuvieron que el rendimiento en tareas reales —y métricas como los «agentes activos diarios»— debería sustituir a los benchmarks estáticos.
19 jul 2026
